Gemini 3.1 Flash Tts Preview

Mô hình giọng nói của Google để đọc văn bản thành tiếng, có khả năng điều khiển cách kể chuyện và các thẻ âm thanh biểu cảm.

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech gemini-3.1-flash-tts-preview

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Gemini 3.1 Flash TTS Preview chuyển văn bản thành lời nói. Mục đích của mô hình là tạo giọng đọc tự nhiên, điều khiển cách kể qua chỉ dẫn văn bản. Cách phát âm có thể được xác định cùng chỉ dẫn giọng nói, còn các thẻ âm thanh biểu cảm giúp truyền đạt cách thể hiện mong muốn.

Văn bản trở thành âm thanh

Đầu vào của mô hình là văn bản, đầu ra là bản ghi âm. Dung lượng đầu vào tối đa là 8 192 token, đầu ra 16 384 token. Mô hình được thiết kế để tổng hợp giọng nói từ văn bản đã chuẩn bị; nó không phải mô hình thông thường để trả lời bằng văn bản hoặc chép lời bản ghi được gửi vào.

Mô hình hỗ trợ đọc bằng một giọng và hội thoại nhiều người nói. Việc điều khiển cách đọc dựa trên chỉ dẫn: có thể mô tả phong cách đọc và mức biểu cảm của các lượt lời. Với tác vụ giọng nói lặp lại, nhà sản xuất nêu khả năng tạo theo lô.

Định dạng kết quả và chuyên môn

Định dạng gốc của câu trả lời thông thường là PCM không có phần đầu WAV. Đây là đặc điểm quan trọng của đúng phiên bản xem trước này: không thể tự động coi các byte trả về là tệp WAV hoàn chỉnh.

Thẻ mô hình không công bố lưu đệm ngữ cảnh, thực thi mã, tìm kiếm trong tệp, gọi hàm, bổ sung căn cứ từ tìm kiếm, Google Maps, tạo ảnh, câu trả lời văn bản có cấu trúc, Thinking hoặc đọc nội dung địa chỉ web. Tổng hợp lời nói là tác vụ đầu ra chuyên biệt của mô hình; các khả năng của mô hình văn bản không áp dụng cho nó.

Phiên bản xem trước

gemini-3.1-flash-tts-preview thuộc những phiên bản giọng nói xem trước trước đây. Cần xét riêng các cách điều khiển giọng và định dạng âm thanh của nó với những mô hình TTS ra sau. Phiên bản này chưa công bố tạo giọng mới hoặc tái tạo giọng theo mẫu; số ngôn ngữ được hỗ trợ cụ thể không được nêu trong thẻ.

Những khả năng được mô tả thuộc chính mô hình. Cách truyền văn bản, cài đặt người nói và nhận tệp âm thanh cụ thể phụ thuộc vào phương thức giọng nói được hỗ trợ.

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech gemini-3.1-flash-tts-preview

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Bắt đầu

Mô hình giọng nói của Google để đọc văn bản thành tiếng, có khả năng điều khiển cách kể chuyện và các thẻ âm thanh biểu cảm.

Đầu vào được chấp nhận: Văn bản
Kết quả: speech

Có trên Ailoot · đầu vào & phương thức

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech

Đầu vào: text
Đầu ra: speech
Định dạng đầu ra: byte âm thanh gốc hoặc liên kết tài sản JSON

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn gemini-3.1-flash-tts-preview	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1	Mặc định—
Trường`voice`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn Kore	Mặc địnhKore
Trường`response_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn , wav, json	Mặc định
Trường`stream_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn audio	Mặc định—

Tổ hợp tư liệu đầu vào

text_to_speech · Bắt buộc: input

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`material_types`	Hợp đồngtext
Tham số`required`	Hợp đồngnull
Tham số`optional_controls`	Hợp đồngnull

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cấu trúc phương thức và ID là chính xác; khả năng của nhà cung cấp tách biệt với việc cho phép tiếp nhận yêu cầu.

Bảng giá

Mức phí phương thức Ailoot

Ailoot Tổng hợp giọng nóiPOST /v1/audio/speech

Đầu vào: 0,001 US$ / 1K
Đầu ra: 0,02 US$ / 1K

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot · Tổng hợp giọng nói

Ví dụ giọng nói

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.1-flash-tts-preview", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.wav

Nhận và lưu kết quả

Ailoot · Tổng hợp giọng nói

byte âm thanh gốc hoặc liên kết tài sản JSON

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Một đầu ra mặc định trả về byte âm thanh gốc với Content-Type thực tế; response_format=json hoặc nhiều đầu ra sẽ trả về tất cả liên kết thuộc quyền sở hữu. Không thực hiện chuyển đổi MP3/Opus/AAC/FLAC/PCM theo yêu cầu hoặc SSE.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`binary native audio`	Loạibytes
Trường`model`	Loạistring
Trường`response_id`	Loạistring
Trường`actual_count`	Loạiinteger
Trường`data[]`	Loạiowned audio asset link

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot gemini-3.1-flash-tts-preview

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview